Моделирование рейтингов в интересах риск

С.В. Головань (ЦЭФИР; РЭШ)
В.В. Назин (ИНГ Банк (Евразия) ЗАО; РЭШ),
А.А. Пересецкий (МИЭФ ГУ ВШЭ, ЦЭМИ РАН, РЭШ)
«Непараметрические оценки эффективности российских банков»
Развитие российской банковской системы после кризиса 1998 г. сопровождалось
ростом активов системы, которые за период 2000-2007 гг. увеличились в 7 раз, усилением
конкуренции, приходом новых иностранных игроков на рынок, постепенной ликвидацией
несостоятельных банков. Усиливались также и регуляторные требования, так, например,
был принят закон о страховании частных вкладов, а в будущем предполагается постепенный переход к деятельности согласно новому Базельскому соглашению. Таким образом,
внимание банков к характеристикам собственной деятельности и деятельности своих соперников значительно выросло.
Так или иначе, оценка конкурентов происходит на постоянной основе в каждом
банке, будь-то регулярный мониторинг рынка или подготовка конкретных проектов по
слиянию и поглощению, стратегическому развитию и прочему. В частности, одним из часто используемых показателей является отношение общих затрат к общей прибыли. Этот
показатель позволяет оценить эффективность бизнеса в целом и дает представление о
«подушке», которая есть у банка на случай резкого роста затрат. Однако, использование
отношение общих затрат к общей прибыли хоть и дает общее представление, но все же
является довольно однобоким.
До сих пор их техническая эффективность российских банков оценивалась в основном с помощью параметрического метода стохастической границы эффективности
(см., например, [6], [7]). В этом методе чаще всего оценивается либо эффективность по
затратам, то есть связь некоторых показателей деятельности банка (необязательно денежных) с общими затратами и способность иметь меньшие затраты при прочих равных условиях; либо эффективность по прибыли (примерно в таком же виде). В данной же работе
предлагается оценка эффективности иным, непараметрическим методом – DEA (Data
Envelopment Analysis). Если его применения можно найти в зарубежных исследованиях (в
частности, [3]), то, в исследовании российской банковской системы, он применяется впервые.
Непараметрический подход к оценке технической эффективности был изначально разработан в работе [4] и был далее развит, в том числе в работах [2], [1], [7]. Этот метод рассматривает каждый банк как микроэкономическую фирму (так называемый
Decision Making Unit – DMU), использующий ресурсы (inputs) для производства выпуска
1
(outputs) с помощью некоторой производственной функции. Соответственно, один банк
считается эффективней другого, если он достигает, по крайней мере, не меньшего (покомпонентно) выпуска, чем другой при использовании не большего количества ресурсов
(опять же покомпонентно).
Подход DEA, будучи непараметрическим, не оценивает какие-либо параметры
самого микроэкономического процесса, и, в частности, не требует каких-то предположений о точной форме производственных функций DMU, что, безусловно, плюс в сравнении
с параметрическим методом стохастической границы эффективности. В данном случае
граница эффективности строится по лучшим DMU.
К минусам можно отнести то, что этот подход является нестатистическим, т.е. не
дает представления о значимости найденного решения. И хотя, например, в [5] показано,
что при определенных условиях из оценок технической эффективности можно построить
выражение асимптотически имеющее распределение Вейбулла, эти результаты далеки от
практических применений. Для решения этой проблемы прибегают, например, к бутстрапированию.
Задачи оптимизации, оценивающие искомую техническую эффективность, могут
состоять в минимизации издержек (input-oriented) или максимизации прибыли (outputoriented), либо комбинации обеих целей, например, как в [7]. Чаще всего из-за большого
количества переменных (растущих пропорционально количеству DMU) в общем случае
нелинейные задачи оптимизации трансформируют в задачи линейного программирования,
которые уже сравнительно легко решать численно.
В данной работе проводится оценивание технической эффективности российских
банков с помощью непараметрического подхода. При этом применяются методы, описанные в работах [2], [1], [7]. Полученные оценки эффективности используются для сравнения по группам банков (банки с участием иностранного капитала и без такового, крупные
и мелкие банки, московские и провинциальные). Кроме того, проведен сравнительный
анализ оценок эффективности, полученных методом DEA с оценками, полученными более
традиционным методом стохастической границы производственных возможностей.
Краткие выводы следующие:
Банки с участием иностранного капитала оказались эффективней «домашних». В
последнее время все новые и новые иностранные банки ищут пути входа на российский
рынок, чаще всего через покупку долей в российских банках или через совместные предприятия. Возможно, в будущем желание российских банков привлечь внимание именно к
себе и связанное с этим улучшение деятельности повысит среднюю эффективность российских банков.
2
С ростом активов банки становятся менее эффективными, но при этом увеличивается конкуренция между похожими банками
Сравнение московских и региональных банков не выявило различий именно в
территориальном аспекте, скорее различия состоят в размере банков.
Оценки, полученные методом DEA оказались близки к оценкам технической эффективности, полученным методом стохастической производственной функции.
3
Литература
[1] Banker R.D., A. Charnes, W.W. Cooper (1984). Some models for estimating technical and
scale efficiencies in data envelopment analysis; Management Science (30) 1078-1092.
[2] Charnes A., W.W. Cooper, E. Rhodes (1978). Measuring the efficiency of decision making
units - European Journal of Operational Research. vol. 2, issue 6, pages 429-444.
[3] Drake L., M.J.B. Hall and R. Simper (2006). The impact of macroeconomic and regulatory
factors on bank efficiency: A non-parametric analysis of Hong-Kong’s banking system; Journal
of Banking and Finance (30) 1443-1466.
[4] Farrell M. J. (1957). The measurement of Productive Efficiency; Journal of Royal Statistical
Society Vol. 120, Part III.
[5] Park, В., L. Simar, and С. Weiner, (1999). The FDH estimator for productivity efficiency
scores: Asymptotic Properties, Econometric Theory 16, 855-877.
[6] Simar L., P.W. Wilson (2004). Perfomance of the bootstrap for DEA estimators and iterating
the principle, Handbook on data envelopment analysis, Kluwer academic publishers, pp. 265298.
[7] Tone K. (2001). A slacks-based measure of efficiency in data envelopment analysis; European Journal of Operational Research (130) 498-509.
[8] Головань С.В. (2006). Факторы, влияющие на эффективность российских банков, Прикладная эконометрика, №2, 3-17.
[9] Головань С.В., Костюрина О.Ю., Пастухова Е.В., Карминский А.М., Пересецкий А.А.
(2007). Эффективность российских банков с точки зрения минимизации издержек. Препринт РЭШ, #WP/2007/071
4